太強了！三種方案優化 2000w 數據大表！

作者：不才陳某 2023-10-17 08:55:08

數據庫其他數據庫

為什么要冷熱歸檔：其實原因和方案二類似，都是降低單表數據量，樹的高度變低，查詢經歷的磁盤io變少，則可以提高效率如果大家的業務數據，有明顯的冷熱區分，比如：只需要展示近一周或一個月的數據。

當我們業務數據庫表中的數據越來越多，如果你也和我遇到了以下類似場景，那讓我們一起來解決這個問題

數據的插入,查詢時長較長
后續業務需求的擴展在表中新增字段影響較大
表中的數據并不是所有的都為有效數據需求只查詢時間區間內的

評估表數據體量

我們可以從表容量/磁盤空間/實例容量三方面評估數據體量，接下來讓我們分別展開來看看

表容量：

表容量主要從表的記錄數、平均長度、增長量、讀寫量、總大小量進行評估。一般對于OLTP的表，建議單表不要超過2000W行數據量，總大小15G以內。訪問量：單表讀寫量在1600/s以內

查詢行數據的方式：我們一般查詢表數據有多少數據時用到的經典sql語句如下：

select count(*) from table
select count(1) from table 但是當數據量過大的時候，這樣的查詢就可能會超時，所以我們要換一種查詢方式

use 庫名
show table status like '表名' ; 或 show table status like '表名'\G ;

上述方法不僅可以查詢表的數據，還可以輸出表的詳細信息 , 加 \G 可以格式化輸出。包括表名存儲引擎版本行數每行的字節數等等，大家可以自行試一下哈

磁盤空間

查看指定數據庫容量大小

select
table_schema as '數據庫',
table_name as '表名',
table_rows as '記錄數',
truncate(data_length/1024/1024, 2) as '數據容量(MB)',
truncate(index_length/1024/1024, 2) as '索引容量(MB)'
from information_schema.tables
order by data_length desc, index_length desc;

查詢單個庫中所有表磁盤占用大小

select
table_schema as '數據庫',
table_name as '表名',
table_rows as '記錄數',
truncate(data_length/1024/1024, 2) as '數據容量(MB)',
truncate(index_length/1024/1024, 2) as '索引容量(MB)'
from information_schema.tables
where table_schema='mysql'
order by data_length desc, index_length desc;

查詢出的結果如下：

圖片

建議數據量占磁盤使用率的70%以內。同時，對于一些數據增長較快，可以考慮使用大的慢盤進行數據歸檔（歸檔可以參考方案三）

實例容量

MySQL是基于線程的服務模型，因此在一些并發較高的場景下，單實例并不能充分利用服務器的CPU資源，吞吐量反而會卡在mysql層，可以根據業務考慮自己的實例模式

出現問題的原因

上面我們已經查到我們數據表的體量了那么為什么單表數據量越大業務的執行效率就越慢根本原因是什么呢？

一個表的數據量達到好幾千萬或者上億時，加索引的效果沒那么明顯啦。性能之所以會變差，是因為維護索引的B+樹結構層級變得更高了，查詢一條數據時，需要經歷的磁盤IO變多，因此查詢性能變慢。

大家是否還記得，一個B+樹大概可以存放多少數據量呢？

InnoDB存儲引擎最小儲存單元是頁，一頁大小就是16k。

B+樹葉子存的是數據，內部節點存的是鍵值+指針。索引組織表通過非葉子節點的二分查找法以及指針確定數據在哪個頁中，進而再去數據頁中找到需要的數據；

圖片

假設B+樹的高度為2的話，關注公眾號：碼猿技術專欄，回復關鍵詞：1111 獲取阿里內部Java性能調優手冊！即有一個根結點和若干個葉子結點。這棵B+樹的存放總記錄數為=根結點指針數*單個葉子節點記錄行數。

如果一行記錄的數據大小為1k，那么單個葉子節點可以存的記錄數 =16k/1k =16.
非葉子節點內存放多少指針呢？我們假設主鍵ID為bigint類型，長度為8字節(面試官問你int類型，一個int就是32位，4字節)，而指針大小在InnoDB源碼中設置為6字節，所以就是8+6=14字節，16k/14B =16*1024B/14B = 1170

因此，一棵高度為2的B+樹，能存放1170 * 16=18720條這樣的數據記錄。同理一棵高度為3的B+樹，能存放1170 *1170 *16 =21902400，也就是說，可以存放兩千萬左右的記錄。B+樹高度一般為1-3層，已經滿足千萬級別的數據存儲。

如果B+樹想存儲更多的數據，那樹結構層級就會更高，查詢一條數據時，需要經歷的磁盤IO變多，因此查詢性能變慢。

如何解決單表數據量太大，查詢變慢的問題

知道了根本原因之后，我們就需要考慮如何優化數據庫來解決問題了

這里提供了三種解決方案，包括數據表分區，分庫分表，冷熱數據歸檔了解完這些方案之后大家可以選取適合自己業務的方案

方案一：數據表分區

為什么要分區：表分區可以在區間內查詢對應的數據，降低查詢范圍并且索引分區也可以進一步提高命中率，提升查詢效率

分區是指將一個表的數據按照條件分布到不同的文件上面，未分區前都是存放在一個文件上面的，但是它還是指向的同一張表，只是把數據分散到了不同文件而已。

我們首先看一下分區有什么優缺點：

表分區有什么好處？

與單個磁盤或文件系統分區相比，可以存儲更多的數據。
對于那些已經失去保存意義的數據，通常可以通過刪除與那些數據有關的分區，很容易地刪除那些數據。相反地，在某些情況下，添加新數據的過程又可以通過為那些新數據專門增加一個新的分區，來很方便地實現。
一些查詢可以得到極大的優化，關注公眾號：碼猿技術專欄，回復關鍵詞：1111 獲取阿里內部Java性能調優手冊！這主要是借助于滿足一個給定WHERE語句的數據可以只保存在一個或多個分區內，這樣在查找時就不用查找其他剩余的分區。因為分區可以在創建了分區表后進行修改，所以在第一次配置分區方案時還不曾這么做時，可以重新組織數據，來提高那些常用查詢的效率。
涉及到例如SUM()和COUNT()這樣聚合函數的查詢，可以很容易地進行并行處理。這種查詢的一個簡單例子如 “SELECT salesperson_id, COUNT (orders) as order_total FROM sales GROUP BY salesperson_id；”。通過“并行”，這意味著該查詢可以在每個分區上同時進行，最終結果只需通過總計所有分區得到的結果。
通過跨多個磁盤來分散數據查詢，來獲得更大的查詢吞吐量。

表分區的限制因素

一個表最多只能有1024個分區。
MySQL5.1中，分區表達式必須是整數，或者返回整數的表達式。在MySQL5.5中提供了非整數表達式分區的支持。
如果分區字段中有主鍵或者唯一索引的列，那么多有主鍵列和唯一索引列都必須包含進來。即：分區字段要么不包含主鍵或者索引列，要么包含全部主鍵和索引列。
分區表中無法使用外鍵約束。
MySQL的分區適用于一個表的所有數據和索引，不能只對表數據分區而不對索引分區，也不能只對索引分區而不對表分區，也不能只對表的一部分數據分區。

在進行分區之前可以用如下方法看下數據庫表是否支持分區哈

mysql> show variables like '%partition%';
+-------------------+-------+
| Variable_name     | Value |
+-------------------+-------+
| have_partitioning | YES   |
+-------------------+-------+
1 row in set (0.00 sec)

方案二：數據庫分表

為什么要分表：分表后，顯而易見，單表數據量降低，樹的高度變低，查詢經歷的磁盤io變少，則可以提高效率

mysql 分表分為兩種水平分表和垂直分表

分庫分表就是為了解決由于數據量過大而導致數據庫性能降低的問題，將原來獨立的數據庫拆分成若干數據庫組成，將數據大表拆分成若干數據表組成，使得單一數據庫、單一數據表的數據量變小，從而達到提升數據庫性能的目的。

水平分表

定義：數據表行的拆分，通俗點就是把數據按照某些規則拆分成多張表或者多個庫來存放。分為庫內分表和分庫。比如一個表有4000萬數據，查詢很慢，可以分到四個表，每個表有1000萬數據

圖片

垂直分表

定義：列的拆分，根據表之間的相關性進行拆分。常見的就是一個表把不常用的字段和常用的字段就行拆分，然后利用主鍵關聯。或者一個數據庫里面有訂單表和用戶表，數據量都很大，進行垂直拆分，用戶庫存用戶表的數據，訂單庫存訂單表的數據

圖片

缺點：垂直分隔的缺點比較明顯，數據不在一張表中，會增加join 或 union之類的操作

知道了兩個知識后，我們來看一下分庫分表的方案

1.取模方案：

拆分之前，先預估一下數據量。比如用戶表有4000w數據，現在要把這些數據分到4個表user1 user2 uesr3 user4。比如id = 17，17對4取模為1，加上，所以這條數據存到user2表。

注意：進行水平拆分后的表要去掉auto_increment自增長。這時候的id可以用一個id 自增長臨時表獲得，或者使用 redis incr的方法。

圖片

優點：數據均勻的分到各個表中，出現熱點問題的概率很低。

缺點：以后的數據擴容遷移比較困難難，當數據量變大之后，以前分到4個表現在要分到8個表，取模的值就變了，需要重新進行數據遷移。

2.range 范圍方案

以范圍進行拆分數據，就是在某個范圍內的訂單，存放到某個表中。比如id=12存放到user1表，id=1300萬的存放到user2 表。

圖片

優點：有利于將來對數據的擴容

缺點：如果熱點數據都存在一個表中，則壓力都在一個表中，其他表沒有壓力。

我們看到以上兩種方案都存在缺點但是卻又是互補的，那么我們將這兩個方案結合會怎樣呢？

3.hash取模和range方案結合

如下圖我們可以看到 group 組存放id 為0~4000萬的數據，然后有三個數據庫 DB0 DB1 DB2，DB0里面有四個數據庫，DB1 和DB2 有三個數據庫

假如id為15000 然后對10取模（為啥對10 取模因為有10個表），取0 然后落在DB_0,然后在根據range 范圍，落在Table_0 里面。

圖片

總結：采用hash取模和range方案結合既可以避免熱點數據的問題，也有利于將來對數據的擴容

我們已經了解了 mysql分區和分表的知識那我們看一下這兩個技術有何不同以及適用場景

分區分表的區別：

1、實現方式上

mysql的分表是真正的分表，一張表分成很多表后，每一個小表都是完整的一張表，都對應三個文件，一個.MYD數據文件，.MYI索引文件，.frm表結構
分區不一樣，一張大表進行分區后，他還是一張表，不會變成二張表，但是他存放數據的區塊變多了。

2、提高性能上

分表重點是存取數據時，如何提高mysql并發能力上；
而分區呢，如何突破磁盤的讀寫能力，從而達到提高mysql性能的目的。

3、實現的難易度上

1、分表的方法有很多，用merge來分表，是最簡單的一種方式。這種方式根分區難易度差不多，并且對程序代碼來說可以做到透明的。如果是用其他分表方式就比分區麻煩了。2、分區實現是比較簡單的，建立分區表，根建平常的表沒什么區別，并且對開代碼端來說是透明的

分區分表的聯系

1、都能提高mysql的性高，在高并發狀態下都有一個良好的表現。

2、分表和分區不矛盾，可以相互配合的，對于那些大訪問量，并且表數據比較多的表，我們可以采取分表和分區結合的方式，訪問量不大，但是表數據很多的表，我們可以采取分區的方式等。

分庫分表存在的問題

1、事務問題

在執行分庫分表之后，由于數據存儲到了不同的庫上，數據庫事務管理出現了困難。如果依賴數據庫本身的分布式事務管理功能去執行事務，將付出高昂的性能代價；如果由應用程序去協助控制，形成程序邏輯上的事務，又會造成編程方面的負擔。

2、跨庫跨表的join問題

在執行了分庫分表之后，難以避免會將原本邏輯關聯性很強的數據劃分到不同的表、不同的庫上，這時，表的關聯操作將受到限制，我們無法join位于不同分庫的表，也無法join分表粒度不同的表，結果原本一次查詢能夠完成的業務，可能需要多次查詢才能完成。

3、額外的數據管理負擔和數據運算壓力

額外的數據管理負擔，最顯而易見的就是數據的定位問題和數據的增刪改查的重復執行問題，這些都可以通過應用程序解決，但必然引起額外的邏輯運算，例如，對于一個記錄用戶成績的用戶數據表userTable，業務要求查出成績最好的100位，在進行分表之前，只需一個order by語句就可以搞定，但是在進行分表之后，將需要n個order by語句，分別查出每一個分表的前100名用戶數據，然后再對這些數據進行合并計算，才能得出結果。

方案三：冷熱歸檔

為什么要冷熱歸檔：其實原因和方案二類似，都是降低單表數據量，樹的高度變低，查詢經歷的磁盤io變少，則可以提高效率如果大家的業務數據，有明顯的冷熱區分，比如：只需要展示近一周或一個月的數據。那么這種情況這一周喝一個月的數據我們稱之為熱數據，其余數據為冷數據。那么我們可以將冷數據歸檔在其他的庫表中，提高我們熱數據的操作效率。